BenchLeader

GPT-5.4 Nano vs MiniMax M3.1 Flash

詳しいプロフィール:GPT-5.4 Nano(OpenAI)とMiniMax M3.1 Flash(MiniMax)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 10件の情報源のデータ

2026年11月16日時点で、GPT-5.4 NanoとMiniMax M3.1 Flashの品質は互角です(BenchLeader Indexで53.9 対 54.3、±9.9の誤差範囲内)。価格はMiniMax M3.1 Flashの方が1.8倍安く、100万トークンあたりのブレンド価格で$0.262 対 $0.463です。エージェント・ツール(61 対 55)を重視するならGPT-5.4 Nano、マルチモーダル(62 対 47)、推論(50 対 38)、コーディング(55 対 49)を重視するならMiniMax M3.1 Flashが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Nanoが53.9、MiniMax M3.1 Flashが54.3です(BenchLeader、2026年11月16日)。
  • GPT-5.4 Nanoの100万トークンあたりのブレンド価格は$0.463です(定価、2026年11月16日)。
  • MiniMax M3.1 Flashの100万トークンあたりのブレンド価格は$0.262です(定価、2026年11月16日)。
  • 両モデルに結果がある12件のベンチマークのうち、MiniMax M3.1 Flashが12件でリードしています(BenchLeader、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングMiniMax M3.1 Flashカテゴリスコア55 対 49;SciCode (AA) 53.4% 対 47.2%中
エージェント・ツール利用GPT-5.4 Nanoカテゴリスコア61 対 55;GDPval-AA v2.1 954 対 1465中
推論MiniMax M3.1 Flashカテゴリスコア50 対 38;Humanity's Last Exam (AA) 48.0% 対 28.3%高
長い文書MiniMax M3.1 Flashカテゴリスコア65 対 63;AA-LCR v1.1 79.7% 対 76.7%中
画像などのメディアMiniMax M3.1 Flashカテゴリスコア62 対 47;MMMU-Pro 79.1% 対 65.4%高
最低コストMiniMax M3.1 Flash100万トークンあたりブレンド価格$0.262 対 $0.463;エージェント型コーディングセッション$0.011 対 $0.017–
回答開始の速さMiniMax M3.1 Flash最初の回答トークンまで43.3秒(MiniMax M3.1 Flash)対 61.3秒(GPT-5.4 Nano (xhigh))–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • GPT-5.4 Nano (xhigh)とMiniMax M3.1 Flashの品質は互角です(53.9 対 54.3、±9.9の誤差範囲内)。
  • GPT-5.4 Nano (xhigh)はエージェント・ツールで優れています。
  • MiniMax M3.1 Flashはコーディング、長文コンテキスト、マルチモーダル、推論で優れています。
  • MiniMax M3.1 Flashの方が1.8倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $0.463)。

概要

仕様GPT-5.4 NanoMiniMax M3.1 Flash
プロバイダーOpenAIMiniMax
リリース日2026年3月17日2026年10月19日
コンテキストウィンドウ(トークン)400,0001,000,000
比較した構成GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.200 / $1.25 / $0.020$0.150 / $0.600 / $0.015

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGPT-5.4 Nano (xhigh)MiniMax M3.1 Flashトップ
推論37.950.1MiniMax M3.1 Flash
コーディング49.455.4MiniMax M3.1 Flash
エージェント・ツール60.855.2GPT-5.4 Nano
知識–45.9比較不可
指示追従74.1–比較不可
マルチモーダル47.461.5MiniMax M3.1 Flash
長文コンテキスト62.964.5MiniMax M3.1 Flash

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.4 Nano, 推論: 37.9GPT-5.4 Nano, コーディング: 49.4GPT-5.4 Nano, エージェント・ツール: 60.8GPT-5.4 Nano, 長文コンテキスト: 62.9GPT-5.4 Nano, マルチモーダル: 47.4MiniMax M3.1 Flash, 推論: 50.1MiniMax M3.1 Flash, コーディング: 55.4MiniMax M3.1 Flash, エージェント・ツール: 55.2MiniMax M3.1 Flash, 長文コンテキスト: 64.5MiniMax M3.1 Flash, マルチモーダル: 61.5

描画していないもの(測定済みのモデルが2つ未満):数学, 知識, 指示追従, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある12件のベンチマークのうち、GPT-5.4 Nanoのリードが0件、MiniMax M3.1 Flashのリードが12件です。

総合IndexGPT-5.4 Nano (xhigh)MiniMax M3.1 Flashトップ
BenchLeader Index53.954.3互角

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
100万トークンあたりのブレンド価格$0.463$0.262
100万トークンあたりの入力/出力$0.200 / $1.25$0.150 / $0.600
100万トークンあたりのキャッシュ入力$0.020$0.015
タスクあたりの価格:チャットの返答$0.0005$0.0002
タスクあたりの価格:30ページのレポートを要約$0.0032$0.0022
タスクあたりの価格:コード編集$0.0031$0.0018
タスクあたりの価格:エージェント型コーディングセッション$0.017$0.011
タスクあたりの価格:構造化データの抽出$0.0007$0.0004
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.0089$0.0053
ベンチマークのタスクあたりのコスト(AA Index)–$0.491
タスクあたりの出力トークン(AA Index)–138k
うち推論–103k
タスクあたりの時間(AA Index)–15 min
出力速度145 tok/s151 tok/s
回答開始までの時間61.3秒43.3秒
回答が完了するまでの時間(最終測定2026年11月13日)185.1秒141.5秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 Nano (xhigh)のスコアは53.9、最初の回答トークンまで61秒。GPT-5.4 Nano (medium)は51.4(6秒)、GPT-5.4 Nano (high)は48.3(1秒)。MiniMax M3.1 Flashのスコアは54.3、最初の回答トークンまで43秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

126件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader53.954.3
エージェント・ツールスコアBenchLeader60.855.2
コーディングスコアBenchLeader49.455.4
指示追従スコアBenchLeader74.1–
長文コンテキストスコアBenchLeader62.964.5
マルチモーダルスコアBenchLeader47.461.5
推論スコアBenchLeader37.950.1
知識スコアBenchLeader–45.9
ブレンド価格($/100万トークン)BenchLeader$0.463$0.262
出力速度BenchLeader145 tok/s151 tok/s
回答開始までの時間BenchLeader61.3秒43.3秒
コンテキストウィンドウBenchLeader400,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub78.5%†–
Arena Hard PromptsArena (LMArena)1421†–
LiveBench 2.0 ReasoningLiveBench–82.9%†
LiveBench 1.0 ReasoningLiveBench81.1%–
GPQA Diamond (AA)Artificial Analysis81.7%–
Humanity's Last Exam (AA)Artificial Analysis28.3%48.0%
HLE-Diamond (AA)Artificial Analysis–28.1%
GPQA Diamond (Vals)Vals AI77.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark39.7%†–
ARC-AGI-1ARC Prize51.5%–
ARC-AGI-2ARC Prize5.7%–
CritPtArtificial Analysis9.3%22.3%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
Arena ExpertArena (LMArena)1436†–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub6.0%†–
LMCAEpoch AI Benchmarking Hub36.9%–
DTBenchEpoch AI Benchmarking Hub80.3%–
ForecastBenchForecastBench58.6%†–
コーディング
SciCodeSciCode47.2%–
WeirdMLWeirdML49.2%†–
Arena CodingArena (LMArena)1460†–
Arena WebDevArena (LMArena)–1584
LiveBench 2.0 CodingLiveBench–68.8%†
LiveBench 1.0 CodingLiveBench70.8%–
126件のベンチマークをすべて表示
指標公開元GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
コーディング
SciCode (AA)Artificial Analysis47.2%53.4%
LiveCodeBenchVals AI84.0%†–
SWE-bench (Vals)Vals AI69.8%†–
Code MigrationVals AI14.5%†–
Vibe Code Bench v1.1Vals AI26.1%†73.9%†
Vibe Code Bench 1-100 v1.1Vals AI–19.8%†
SWE-Bench Pro V2Scale AI SEAL–96.6%†
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%†
ALE-BenchEpoch AI Benchmarking Hub1004.5†–
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis60.7%–
GameBench 2 by reasoning settingDuelLab GameBench 231.1†30.3†
Design Arena WebsiteDesign Arena–1277
FrontierCode 1.1 (AA)Artificial Analysis–38.6%
FrontierCode 2.0 (AA)Artificial Analysis–20.8%
エージェント・ツール
Arena AgentArena (LMArena)–-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
LiveBench Agentic CodingLiveBench46.8%–
Terminal-Bench HardArtificial Analysis42.4%–
τ²-Bench Telecom (AA)Artificial Analysis76.0%–
Terminal-Bench 2.1 (Vals)Vals AI41.6%†–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.9%
GDPval-AA v2.1Artificial Analysis9541465
τ³-Banking (AA)Artificial Analysis27.4%–
ITBench SRE (AA)Artificial Analysis24.4%–
APEX-Agents (AA)Artificial Analysis24.9%–
Finance Agent v2Vals AI38.2%†–
Finance Agent v2.1Vals AI–58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–7.5%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%†–
Legal Research BenchVals AI6.3%†34.1%†
Tax Agent BenchVals AI5.0%†32.1%†
Terminal-Bench 2.0 (Vals)Vals AI39.9%†–
Terminal-Bench 4.0 (Vals)Vals AI–25.3%†
Arena Agent Task CompletionArena (LMArena)–-0.7
AutomationBenchArtificial Analysis6.0%72.5%
GDP.pdf (AA)Artificial Analysis7.8%20.8%
EnterpriseOps-GymArtificial Analysis31.5%–
AA-Briefcase v1.1Artificial Analysis6741474
GDPxGDPx by SemiAnalysis–4.0%†
Design Arena AgenticDesign Arena–1252
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–3.3%
MKA (AA)Artificial Analysis–33.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub44.9%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub12.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub87.8%†–
ProofBenchVals AI5.0%†–
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI88.8%†–
Arena MathsArena (LMArena)1424†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub11.7%†–
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
LiveBench 1.0 Data AnalysisLiveBench67.6%–
AA-Omniscience v1.1Artificial Analysis–-6.4
MMLU-ProVals AI77.2%†–
LegalBenchVals AI77.9%†–
CorpFinVals AI61.2%†–
TaxEvalVals AI67.4%†–
PRBench FinanceScale AI SEAL–45.6%
PRBench LegalScale AI SEAL–45.1%
CaseLaw v2Vals AI51.9%†–
Excel Modeling BenchmarkVals AI44.8%†–
Excel Modeling Benchmark v1.1Vals AI–67.8%†
MedCodeVals AI41.0%†–
MedScribeVals AI77.1%†–
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–6.3%
指示追従
LiveBench LanguageLiveBench62.5%–
LiveBench Instruction FollowingLiveBench67.2%–
IFBenchArtificial Analysis75.9%–
Arena Instruction FollowingArena (LMArena)1386†–
人間の評価
Arena TextArena (LMArena)1401†–
Arena Creative WritingArena (LMArena)1337†–
Arena Multi-turnArena (LMArena)1414†–
Arena Longer QueriesArena (LMArena)1403†–
マルチモーダル
Arena VisionArena (LMArena)1196†–
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis65.4%79.1%
MMMU-Pro (Vals)Vals AI73.6%†–
MortgageTaxVals AI59.1%†–
SAGEVals AI–85.3%†
VIALS-AAHandshake AI–29.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%79.7%
MLCRArtificial Analysis16.1%16.7%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.4†–
LiveBench 2.0LiveBench–63.7%†
LiveBench 1.0LiveBench69.6%–
AA Intelligence Index v5.0.1Artificial Analysis–29.1
AA Intelligence Index v4.3.2Artificial Analysis20.742.7
AA Progress Index v1Artificial Analysis270.1317.6
Vals IndexVals AI–53.8†
Vals Finance IndexVals AI–55.9%†
Vals Multimodal IndexVals AI47.6%†–
Vals Router IndexVals AI–53.8%
Vals Legal IndexVals AI–67.1%†
安全性・誠実さ
FORTRESSScale AI SEAL–52.1%
メタデータ
AA Openness IndexArtificial Analysis–27.8

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • GPT-5.4 Nano (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • MiniMax M3.1 Flash:スコアの改訂1件。
  • MiniMax M3.1 Flash:スコアの改訂6件。
  • MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
  • MiniMax M3.1 Flash:新しい結果1件(HiL-Bench)。
  • MiniMax M3.1 Flash:BenchLeader Index 52.0 → 53.0。
  • MiniMax M3.1 Flash:新しい結果2件(PRBench Finance, PRBench Legal)。
  • MiniMax M3.1 Flash:スコアの改訂1件。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

GPT-5.4 Nano vs MiniMax M3.1 Flash:よくある質問

GPT-5.4 NanoはMiniMax M3.1 Flashより優れていますか?
GPT-5.4 Nano (xhigh)とMiniMax M3.1 Flashの品質は互角です(53.9 対 54.3、±9.9の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
GPT-5.4 NanoとMiniMax M3.1 Flashはどちらが安いですか?今後変わる予定はありますか?
現在はMiniMax M3.1 Flashの方が安く、100万トークンあたり$0.262 対 $0.463です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはGPT-5.4 NanoとMiniMax M3.1 Flashのどちらが向いていますか?
コーディングではMiniMax M3.1 Flashの方がスコアが高くなっています(カテゴリ指標で55 対 49。50が平均)。
GPT-5.4 NanoとMiniMax M3.1 Flashはどちらが速いですか?
MiniMax M3.1 Flashの方が出力が速くなっています(出力151 対 145トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGPT-5.4 NanoとMiniMax M3.1 Flashのどちらが向いていますか?
エージェント型のタスクではGPT-5.4 Nanoの方がスコアが高くなっています(カテゴリ指標で61 対 55。50が平均)。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではMiniMax M3.1 Flashの方がスコアが高くなっています(65 対 63)。コンテキストはMiniMax M3.1 Flashの方が長く、1,000,000トークンです(GPT-5.4 Nanoは400,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはMiniMax M3.1 Flashです。Artificial Analysisの測定では、最初の回答トークンまで43.3秒 対 61.3秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
GPT-5.4 NanoとMiniMax M3.1 Flashについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある12件のベンチマークのうち、GPT-5.4 Nanoのリードが0件、MiniMax M3.1 Flashのリードが12件です。
MiniMax M3.1 Flashはいつリリースされましたか?
MiniMax M3.1 Flashは2026年10月19日にリリースされました。